基于计算机视觉的交通流量估计关键技术研究

摘要

交通参量信息的检测和获取是智能交通系统中不可或缺的基础环节，交通参量的组织形式为交通状况的评估、调节以及交通运输系统的规划和设计提供了强有力的数据基础。交通流量是智能交通系统中最典型、最常用的交通参量信息，交通流量检测也是智能监控系统的研究热点。交通流量的检测主要基于车辆检测技术，但是由于道路监控场景及监控内容较为复杂，目前还没有较为理想的解决方案，很多难点问题亟待解决。
　　本文在前人的研究基础上，对运动车辆检测、车辆阴影抑制、车辆分割计数等几个交通流量检测中的关键技术进行了深入研究，主要的研究内容与创新点如下：
　　(1)针对运动目标检测的问题，本文在分析前人提出的几个经典算法的基础上，采用了混合高斯背景建模的方法提取前景的运动目标。同时，本文在传统混合高斯模型的基础上，提出了高斯维数的自适应算法，提高了算法运行的实时性。
　　(2)针对运动阴影抑制的难点问题，本文提出了基于颜色特征建模的阴影检测算法，在像素水平和图像全局水平对阴影在HSV空间中的颜色特征进行建模，并使用像素领域信息来加快建模速度。本文的阴影抑制方法解决了传统的颜色特征法难以适应场景光照变化的问题，该方法经验证适用于交通监控场景。
　　(3)针对车辆检测中车辆间遮挡、粘连的难点问题，本文选取车辆的轮廓为车辆分割和识别的特征，并建立了车辆轮廓特征模型，很好的解决了车辆聚簇导致难以分割和计数的问题。基于计算量和算法实时性的考虑，本文将传统的虚拟检测线与车辆轮廓特征模型相结合，提出了基于检测线扫描重建车辆轮廓特征的车辆分割和计数算法。经验证，在车辆遮挡较严重的情况下，本文的车辆计数算法在实时性和准确率方面都有不错的效果。
　　(4)最后，本文在运动车辆检测、车辆阴影抑制、车辆分割计数等算法的基础上，构建了基于DSP的交通流量检测系统。该系统可通过摄像头获取道路监控图像，使用终端计算机控制系统并实时显示输出数据，进行交通流量的实时检测和交通状态的估计。